2018年12月17日，众多用户在ofo新总部前排起长队，申请退还押金，有更多的人选择在线退款，截止目前，已经有超过1000万名ofo用户在线排队。以每人99元计算，ofo需退还押金9．9亿元。而在此背后，可以看到人们对于交通出行的庞大需求。
ofo仅仅是共享单车大军中的一员，但以缓解城市交通压力而崛起的共享单车经过一番市场洗礼后，已经纷纷倒下。如何缓解日益增长的道路交通压力问题，还是要交给智能交通系统来解决。尽管智能交通项目建设的主要目的并不是安全防范，但项目中大量使用了计算机视觉、边缘计算、摄像头等方面的安防技术与产品，成为大安防领域的重要组成部分。近年来，我国不断加深安防技术在公共交通中管理中的应用，以提高交通运行效率、安全水平和服务能力，为市民带来智慧出行的体验。
计算机视觉提升感知精度与维度
智能交通系统要想提升感知精度与维度，计算机视觉必不可少。在智能交通系统中，计算机视觉通过摄像头对目标进行识别、跟踪和测量，从视频监控图像或多维数据中获取信息，再交由计算中心处理。
计算机视觉能给交通带来的主要有如下几个方面：第一个是车辆检测与感知，第二个是车辆身份的识别，第三是车辆身份的比对，第四个是车辆的行为分析，第五个是驾控，也就是现在非常火的汽车辅助驾驶与无人驾驶。涵盖道路感知、停车场感知、车辆特征识别、车辆行为分析等，几乎全方位覆盖智能交通的各个层面。
基于计算机视觉技术的智能交通系统的提出将极大地提高工作效率并降低劳动力成本，提升交通智慧程度。在杭州，城市大脑依靠计算机视觉分析能力，利用每一个交通摄像头对道路进行即时交通体检，使交通信号灯根据即时流量，优化路口时间分配，提高交通效率。2017年云栖大会上，杭州城市大脑也交出了亮眼答卷：与交通数据相连的128个信号灯路口，试点区域通行时间减少15．3％。
边缘计算实时响应
过去十年中，城市车辆几何级数般快速增长，如何获取实时路况信息，如何及时作出响应以便让缓解交通拥堵，保持道路顺畅，一直都是全社会的焦点。在此情况下，完全进行云端处理力有不逮，边缘计算由于可以将计算能力和服务部署在网络边缘，向附近终端提供通讯和计算服务，被用来解决智能交通系统实时响应的问题。若将“云计算”比作大脑，负责处理相对复杂的进程，那么“边缘计算”就相当于神经末梢，进行一些“下意识”的反应。
边缘计算能够分析和处理交通硬件本身的数据，并过滤掉不需要的信息，从而消除不必要的拥堵。这大大减少了数据传输总量，并有助于降低操作和存储成本。以深圳为例，深圳交通利用边缘计算实时监测反馈，实现交通智能管控，高峰期局部重点路段持续时间预期可减少15％，大梅沙、龙华等部分重点路段运行速度提高9％。
结语：安防技术为人们提供出行安全与便利，技术手段到位，那么人力成本就会有很大节约。不过，技术产品到位又必须依靠政府政策与资金的有力支持才能实现。道路交通治理不是一项立竿见影的小工程，但是，多方面的有效解决方案实施会让我们的交通环境在日积月累中变化，其中安防技术的作用不可忽视。
